Tôi đã bắt đầu học tiến sĩ về thống kê trong năm nay và tôi đang tìm kiếm những thực tiễn, lời khuyên và (tư vấn meta) tốt nhất của bạn về cách phát triển và trở thành một nhà nghiên cứu học thuật giỏi trong lĩnh vực thống kê / ML.
Những suy nghĩ và liên kết chung được hoan nghênh, nhưng để bắt đầu bóng lăn, đây là một loạt các câu hỏi được thu thập từ bài viết tuyệt vời của Michael Steele " Lời khuyên cho sinh viên tốt nghiệp về thống kê " (nếu tôi thiếu câu hỏi quan trọng, hoặc nếu một số câu hỏi là vô nghĩa - xin vui lòng bình luận về nó):
- Papers vs Thesis - một người nên tập trung bao nhiêu vào việc xuất bản các bài báo trong quá trình làm tiến sĩ của mình? Có bao nhiêu giấy tờ một người thực sự khao khát để viết?
- Trong những tạp chí nào người ta nên cố gắng để được xuất bản trong? (câu hỏi liên quan link1 , link2 )
- Một người nên dành bao nhiêu giờ một ngày cho nghiên cứu (phát triển / xử lý câu hỏi nghiên cứu của bạn) và cho việc học (đọc bài báo mới / tham dự các khóa học)
- Nơi nào một người đi tìm "chủ đề nóng", hoặc thậm chí tốt hơn - một "chủ đề nóng sẽ sớm"? ( link1 , link2 )
- Sau khi tìm thấy "chủ đề nóng", làm thế nào để cân bằng việc học những điều cơ bản của nhiều khía cạnh của vấn đề, với việc tập trung vào một khía cạnh?
Rõ ràng những câu hỏi này rất RẤT chung chung, và có nhiều góc độ để suy nghĩ / trả lời chúng - Tôi hy vọng sẽ đọc được quan điểm của bạn về cách nghĩ về những vấn đề chung này.
Cảm ơn trước!